Upload Inbox

소스팩 자료 업로드 및 생성 설정

아직 학습된 업로드 자료가 없습니다.
✓

LawBar Rebellion은 NotebookLM 소스팩과 API 직접 생성, 두 경로만 사용합니다. 교수 자료 업로드에서 학생 풀이, Anki 복습, 정답률 리포트까지 한 흐름을 제품의 중심에 둡니다.

Commercial AI Path

NotebookLM 소스팩 경로

교수 면담과 근거형 검수에는 NotebookLM을 쓰고, 사이트 안 자동 생성·풀이·Anki·정답률 저장은 API 직접 생성으로 전환합니다.

    Generated Draft

    생성 전 미리보기

    Source pack ready

      L LawBar Rebellion

      Q1 · 민법

      생성 문항을 학습 화면으로 불러오세요

      0 열람 · 0 풀이 · 0 정답

        Review Queue

        검수 큐

        2 drafts
        총 draft2
        기계 검수 준비0
        승인 차단2
        local RAG0

        근거 후보, 사람 검수 플래그, 원문 보호 표시를 확인한 뒤 승인하세요.

        Private Corpus + Public Law

        자료 학습 현황

        Local + Registered
        전체 자료6,701
        추출 완료6,175
        학습 chunk64,483
        OCR/서버 대기0

        OCR Pipeline

        스캔 PDF 학습 처리

        PDF 감지 macOS Vision OCR chunk 병합 문항 생성/RAG 반영

        로컬 Mac에서 OCR 대상 PDF 309개를 처리했고, 308개 결과를 private corpus chunk로 병합했습니다. 현재 OCR/서버 대기 0개입니다. 원문 PDF와 OCR 결과는 GitHub/Cloudflare에 공개되지 않습니다.

        GPT 반영팩130개기존 ChatGPT 학습·압축 자료
        Notion export93개주간 리뷰, 기말 인덱스, 답안 패턴
        내신/학교자료 후보413개동아대 로스쿨 중간·기말 대비 자료
        변시 후보18개공개 여부와 공공누리 확인 필요
        권리 검토 필요2,309개학교자료·교과서 원문은 private 유지
        로컬 SQLite DB생성 완료private/local-db/lawbar_local.sqlite3에 OCR chunk와 검수 큐 schema 반영
        브라우저 업로드0개TXT/MD/JSON/CSV를 최대 30개씩 올리면 즉시 문항 생성 근거로 사용

        Source Pack Migration

        기존 학습자료 이식 방식

        기존 GPT/Notion/OCR 요약 브라우저 업로드 chunk 성적 통계 요약 NotebookLM/API 경로

        공개 화면에는 집계만 표시하고, 원문·OCR chunk는 로컬 private pack으로만 유지합니다. NotebookLM에는 과목·단원별 source pack을 나누어 추가하고, API 직접 생성은 교수용 진도율·정답률·Anki 저장까지 자동화할 때 사용합니다.

        판례 저장소 precedent-kr

        Markdown 판례 인덱스 등록. 로컬 clone 연결 후 사건번호, 선고일, 판시사항 기준 검색에 사용합니다.

        수집 파이프라인 legalize-pipeline

        법령·판례 캐시와 증분 업데이트 구조 참고. 코드 포함 배포 전 라이선스 고지를 확인합니다.

        공식 원출처 국가법령정보센터

        현행법령, 판례, 헌재결정례 API를 조문 기준일과 최신성 검증의 1순위 근거로 둡니다.

        ✓

        비공개 학습 코퍼스와 공개 법령 레이어의 원문 캐시는 모두 로컬 git-ignored 경로에만 두며, 공개 사이트에는 집계 상태만 표시합니다.

        Class Analytics

        수업 리포트와 점수 통계

        Analytics
        응시자0
        평균-
        중앙값-
        표준편차-
        점수표를 올리면 분석 리포트가 여기에 표시됩니다. 예상 활용: 교수용 진도율, 문항별 정답률, 사진자료 기반 시험지 검토, 학생별 Anki 복습 카드와 보충문제 생성.

        Professor Console

        교수용 운영 대시보드

        문항 세트0검수 전 draft 포함
        풀이율0%학생 진행 기준
        정답률0%선택형 응답 기준
        Anki 저장률0%복습 전환 기준
        파일럿 준비도0/6문항·풀이·복습·점수·면담·AI
        교수 파일럿 준비 게이트 문항, 풀이, Anki, 점수표, 교수 면담, NotebookLM/API 경로를 함께 확인합니다.
          취약 쟁점 후보 풀이 데이터가 쌓이면 자동 표시됩니다.
          다음 수업 조치 자료를 올리고 문항 학습을 시작하면 교수용 조치가 표시됩니다.
          점수표 요약 점수표를 올리면 응시자 수, 평균, 하위 취약군이 표시됩니다.
          NotebookLM/API 판단 교수 면담은 NotebookLM 소스팩, 실제 운영은 API 직접 생성으로 전환합니다.
          1. 교수 자료 투입강의자료, 학교 기출문항, 시험지 사진, 점수표를 private corpus로 분리 학습한다.
          2. 시험형 풀이학생은 변호사시험·로스쿨 시험처럼 보이는 문항 세트를 바로 풀고 오답을 남긴다.
          3. Anki 복습문항별 핵심 쟁점과 오답 이유를 Anki 카드로 저장하고 TSV로 내보내 반복 복습한다.
          4. 교수 리포트교수는 진도율, 문항별 정답률, Anki 저장률, 파일럿 준비도, 점수표 요약, 사진자료 검토 현황을 본다.
          5. 검수/배포교수·조교 검수 후 승인 세트만 학생 학습/시험용으로 배포한다.

          Usage Guide

          LawBar Rebellion 사용 방법 목차

          Mode Guide
          1. 전체 흐름 2. 실행 모드 3. 두 가지 경로 4. 시장 벤치마크 5. 자료별 사용법 6. 문항 생성 설정 7. 검수 큐 8. 수업 리포트 9. 보안 원칙 10. 교수 파일럿 패키지 11. 상용화 루프

          01

          전체 흐름

          자료를 올리면 LawBar Rebellion이 먼저 로컬 학습 chunk와 기존 문제 구조를 잡고, 선택한 경로에 맞춰 NotebookLM 소스팩 또는 API 직접 생성 요청으로 바꿉니다. 결과는 학생 풀이 화면과 검수 큐에 함께 쌓이고, 문항별 Anki 카드 저장·내보내기와 교수용 진도율·정답률 리포트로 이어집니다.

          자료 업로드 로컬 색인 문항·해설 생성 검수 큐 Anki/리포트/배포

          02

          실행 모드

          NotebookLM 소스팩 API 결제 없이 자료 근거형 데모를 빠르게 만듭니다. 교수 면담이나 외부 발표에서는 “자료를 넣으면 근거 기반 문항과 해설이 나온다”는 장면을 가장 안전하게 보여줍니다.
          API 직접 생성 사이트 안에서 버튼만 누르면 문항이 생성되고, 풀이 기록·Anki 저장·진도율·정답률이 자동으로 이어집니다. 학교 파일럿이나 유료 운영에는 이 경로가 필요합니다.
          제품 초점 기능을 넓히기보다 교수 한 명이 자료를 올리고 학생 풀이 현황을 보는 한 화면을 완성합니다. Nike Run Club처럼 매일 풀고 기록이 쌓이는 반복 루프를 목표로 합니다.
          교수/학교 타겟 캐시카우는 교수·학교입니다. 실제 경쟁력은 교수 면담, 자료 접근 절차, 시험 운영 권한, 개인정보 처리 합의에서 나옵니다.

          03

          두 가지 경로 사용법

          NotebookLM 경로강의자료, 기출문항 요약, OCR/Notion 집계, 점수 요약을 과목·단원별 소스팩으로 나누어 NotebookLM에 넣습니다. 발표용으로는 근거가 보이고 비용 부담이 낮다는 장점이 큽니다.
          API 경로OpenAI API를 서버 환경변수로 연결합니다. 앱 안에서 바로 문항을 만들고 학생 풀이·Anki 저장·교수 통계를 한 흐름으로 남겨야 할 때 사용합니다.
          왜 API가 필요한가NotebookLM은 지식층으로 좋지만 학생별 풀이 기록, 자동 채점, 100문항 배치 생성, Anki 내보내기, 교수 대시보드, 권한별 로그 저장은 앱의 서버 기능이 필요합니다.
          왜 NotebookLM이 필요한가교수 면담과 소스 기반 설명에서는 근거성이 중요합니다. API 결제 전에도 자료 기반 문항 생성 가능성을 빠르게 검증할 수 있습니다.

          04

          공개 사례에서 가져온 기준

          Law&Company 사례는 한국 법률 AI가 실무에서 통하려면 단순 질의응답이 아니라 RAG 근거 참조, 문서 작성/판례 분석, 인용 적정성 평가, 모델 교체 가능한 구조, API 한도 확장, 유료 전환·유지율·시간절감·응답지연 지표가 함께 필요하다는 점을 보여줍니다. MegaLawyers AI 요약 프로모션은 교육시장에서는 AI를 모델명이 아니라 복습 시간 절약, 핵심 키워드, 짧은 요약, 반복 학습 습관으로 포장해야 한다는 점을 보여줍니다.

          학습 습관 진입강의자료를 먼저 요약·핵심 키워드·쟁점맵으로 정리하고, 그 다음 시험형 문항과 오답 보충으로 확장합니다.
          RAG 우선문항 생성 전에 로컬 chunk, 법령, 판례, 업로드 자료를 먼저 찾고 그 근거를 draft JSON에 남깁니다.
          Function calling형 정렬자료 검색, 쟁점 추출, 선지 생성, 검수 플래그를 순서화해 요청별 작업 흐름이 흔들리지 않게 합니다.
          인용 적정성 검수해설의 조문·판례·원출처가 실제 결론을 뒷받침하는지 검수 큐에서 확인합니다.
          교수용 한 점핵심 제품 데모는 “교수가 자료를 올리면 학생 풀이·복습·정답률이 한 화면에 쌓인다”는 한 장면에 집중합니다.
          API 운영API 한도, 응답지연, 실패율, token·비용 로그는 교수 파일럿 이후 운영 지표로 남깁니다.
          사업 KPI사용자 수보다 교수 면담 수, 파일럿 승인, 검수 통과 문항, 학생 풀이 완료율, Anki 저장률, 정답률 개선을 먼저 봅니다.

          05

          자료별 사용법

          상단 파일 선택TXT, MD, JSON, CSV, TSV 자료를 한 번에 최대 30개까지 올립니다. 문제 파일은 stem, choices, answer, explanation 구조를 감지해 새 문항 생성 근거로 씁니다.
          기존 정리팩기존 대화 요약, 커스텀 지시문, 누적 법학 정리를 넣습니다. 단원별 출제 포인트와 이미 정리한 법리 표현을 보강하는 용도입니다.
          기출 유형 예시변호사시험, 모의고사, 학교 중간·기말 문제의 형식만 참고합니다. 원문 복제 위험이 있으면 검수 필요로 남깁니다.
          승인 근거자료강의자료, 판례, 조문, 교재 요약 등 정답 근거를 넣습니다. 해설에는 이 자료가 1차 근거로 반영됩니다.
          기록형 서류소장, 답변서, 준비서면, 계약서, 수사기록 형태 자료를 넣습니다. 기록형 쟁점 추출과 서면형 답안 연습에 사용합니다.
          점수표/사진자료 업로드수업 리포트 화면에서 CSV/TSV/JSON 점수표와 시험지 사진자료를 올리면 응시자 수, 평균, 문항별 정답률, 진도율, 취약 구간 분석으로 확장합니다.

          06

          문항 생성 설정

          과목명/단원명검색과 출제 축입니다. 예: 민법, 채무불이행. 단원명을 구체적으로 쓰면 관련 chunk와 기존 문제가 더 정확히 잡힙니다.
          문제 유형선택형 5지선다, 사례형 쟁점형, 기록형 서면형을 고릅니다. 선택형은 정답 유일성, 사례형은 쟁점 누락, 기록형은 사실관계 인용을 검수합니다.
          참고 범위업로드 자료만, 자료+법령/판례, 기출 유형 참고 중 선택합니다. 공개 법령·판례는 기준일과 원출처를 함께 확인해야 합니다.
          생성 방향새 응용 문제, 기존 문제 재구성, 기출 유형 변형, 내신 복습 문제 중 고릅니다. 사업화용이면 원문 복제를 피하기 위해 새 응용 문제를 기본값으로 둡니다.

          07

          검수 큐 사용법

          생성된 문항은 검수 준비 조건을 통과한 뒤 검수 큐에 들어갑니다. 선택형은 5지선다와 정답 1개, legal_basis, source_citations, 사람 검수 플래그가 필요하며, provider가 승인 상태로 반환해도 앱에서는 draft로만 반영합니다. NotebookLM 응답 JSON, API 응답 JSON, local RAG review-queue JSON은 같은 칸에 붙여넣어 검수 큐로 가져올 수 있습니다. work packet은 총 draft, 기계 검수 준비, 승인 차단, local RAG 수와 문항 구조·근거 후보·사람 검수·원문 보호·Anki 준비 gate를 보여주며, gate가 빠진 문항은 승인 대신 수정 필요로 돌아갑니다.

          08

          수업 리포트 사용법

          점수표를 올리면 수업 전체의 평균, 중앙값, 표준편차를 계산하고, 교수용 운영 대시보드는 문항 세트 수, 풀이율, 정답률, Anki 저장률, 취약 쟁점, 다음 수업 조치를 함께 보여줍니다. 사업화 단계에서는 교수 파일럿 전환, 검수 통과율, 학생 풀이 완료율, 정답률 개선을 먼저 추적합니다.

          09

          보안과 권리 원칙

          비밀번호 저장 금지NotebookLM은 공식 사이트에서 직접 로그인합니다. LawBar Rebellion은 계정 비밀번호를 받거나 저장하지 않습니다.
          원문 private 유지학교자료, 교과서, OCR 원문은 로컬 private storage에만 둡니다. 공개 배포본에는 집계와 요약 상태만 표시합니다.
          API 키 서버 보관API 모드를 쓸 때 키는 Cloudflare 환경변수 또는 로컬 env에 둡니다. 브라우저 코드와 GitHub에는 올리지 않습니다.
          사람 검수 우선AI가 만든 문항은 자동 정답으로 취급하지 않습니다. 조문·판례·출처·저작권을 확인한 뒤 승인합니다.

          10

          교수 파일럿 패키지

          첫 상용화 목표는 교수 한 명이 실제 수업자료를 넣고, 조교가 검수할 수 있는 30문항 세트와 학생 풀이 리포트를 받는 것입니다. 제품은 해커톤과 별개로 운영하고, 발표나 대회는 이 파일럿 패키지를 보여주는 외부 채널로만 씁니다.

          교수 면담용 파일럿 제안서 현재 과목·단원·문항·Anki·점수표 상태를 묶어 NotebookLM/API 활용 계획이 포함된 MD 제안서로 내보냅니다.
          파일럿 가격/ROI 가설 토큰값이 아니라 교수·조교 시간 절감과 검수 통과 문항·수업 리포트에 가격을 붙입니다.
          면담 데모 무료 또는 관계 형성 허용 자료 범위와 페인포인트를 확인하고 NotebookLM 소스팩으로 쟁점표·문항 후보를 보여줍니다.
          과목 파일럿 150~500만원 30~100문항, 조교 검수 큐, 학생 풀이 화면, Anki TSV, 교수 리포트를 한 과목 단위로 납품합니다.
          학교 확장 학기/기관 계약 LMS 연동, 권한 관리, 가명화 점수 분석, private deployment, API 비용·한도 로그를 붙입니다.
          교수 면담/자료 권한 메모 아직 저장된 면담 메모가 없습니다. 비밀번호, 학생 실명, 원문 자료는 여기에 넣지 않습니다.
          제안 한 문장교수님 자료 1묶음을 받아 변호사시험·로스쿨 시험형 30문항, 문항별 Anki 카드, 학생 풀이율·정답률 리포트까지 1주 안에 검수 가능한 초안으로 제공합니다.
          교수 면담에서 받을 자료허락된 강의자료, 공개 가능한 기출 유형, 조교 검수 기준, 학생 점수표 샘플, 시험지 사진 처리 가능 여부, 삭제·반출 정책을 먼저 확인합니다.
          NotebookLM 역할교수 면담 전 소스팩을 만들어 쟁점표, 근거 요약, 문항 후보, 해설 충돌 지점을 보여줍니다. 원문 반출이 어려운 자료는 요약·색인·집계만 넣습니다.
          API 역할파일럿 운영에서는 사이트 안에서 30~100문항 생성, 학생 풀이, 자동 채점, Anki 저장·내보내기, 교수 대시보드, 비용·한도 로그를 연결합니다.
          납품물검수 큐 draft, 승인 후보 문항 세트, Anki TSV, 교수용 수업 리포트 TSV, 취약 쟁점표, 다음 수업 보강 제안, API/NotebookLM blocker 기록입니다.
          수익화 기준토큰이 아니라 과목 파일럿, 검수 통과 문항, 수업 리포트, private deployment, 조교 시간 절감에 가격을 붙입니다.
          통과 기준첫 자료 업로드 후 첫 문항까지 10분 이내, 30문항 중 중복 사실관계 최소화, 선택형 정답 1개, 조문·판례 근거 후보, 학생 풀이율·정답률 집계, Anki 저장률 표시가 필요합니다.
          경쟁력 확보모델보다 교수 면담, 자료 접근 절차, 시험 운영 권한, 개인정보 처리 합의가 방어력입니다. 매주 교수 페인포인트 하나를 제품에 반영합니다.

          11

          상용화 루프

          LawBar Rebellion은 해커톤용 장난감이 아니라 교수·학교가 반복 운영할 수 있는 수업 OS를 목표로 합니다. 첫 판매 포인트는 “교수가 자료를 올리면 학생 풀이, Anki 복습, 진도율·정답률 리포트가 한 화면에 쌓인다”는 한 장면입니다.

          NotebookLM 활용교수 면담 전 공개 가능한 source pack을 만들어 쟁점표, 출처 기반 설명, 문항 후보를 보여줍니다. 한도와 보안 조건 때문에 과목·단원별로 쪼개고, 원문 반출이 어려운 자료는 요약·색인·집계만 사용합니다.
          API 활용유료 파일럿에서는 API 직접 생성으로 사이트 안 30~100문항 생성, 학생 풀이, 자동 채점, Anki 저장·내보내기, 교수 대시보드를 연결합니다.
          교수 면담 질문문제 제작에서 오래 걸리는 단계, 학생이 자주 틀리는 쟁점, 허용 가능한 자료 범위, 조교 검수 범위, 학생 점수표 처리 기준을 먼저 확인합니다.
          수익화 단위토큰이 아니라 과목 파일럿, 검수 통과 문항, 수업 리포트, private deployment, 운영 시간 절감에 가격을 붙입니다.
          성공 지표교수 면담 수, 파일럿 승인, 업로드 후 첫 문항까지 걸린 시간, 검수 통과율, 학생 풀이 완료율, Anki 저장률, 정답률 개선을 봅니다.